记住我
有监督学习与⽆监督学习的区别
有监督学习和⽆监督学习两者的区别：
1.有标签就是有监督学习，没有标签就是⽆监督学习，说的详细⼀点，有监督学习的⽬的是在训练集中规律，然后对测试数据运⽤这种规律，⽽⽆监督学习没有训练集，只有⼀组数据，在该组数据集内寻规律。
2. ⽆监督学习⽅法在寻数据集中的规律性，这种规律性并不⼀定要达到划分数据集的⽬的，也就是说不⼀定要“分类”。⽐如，⼀组颜⾊各异的积⽊，它可以按形状为维度来分类，也可以按颜⾊为维度来分类。(这⼀点⽐监督学习⽅法的⽤途要⼴。如分析⼀堆数据的主分量，或分析数据集有什么特点都可以归于⽆监督学习⽅法的范畴) ，⽽有监督学习则是通过已经有的有标签的数据集去训练得到⼀个最优模型，像我们的CNN（卷积神经⽹络）模型都是运⽤了有监督学习去训练出最优的模型，利⽤这个最优的模型就可以对⼀些图像进⾏场景分类。
3.有监督学习要实现的⽬标是“对于输⼊数据X能预测变量Y”（有答案和⽅法的学）。⽽⽆监督学习要回答的问题是“从数据X 中能发现什么”（⾃学）。
深度学习中的监督学习/⽆监督学习算法：
深度学习是⼀种实现机器学习的技术，也包含了监督学习算法和⽆监督学习算法。常见的卷积神经⽹络就是⼀种有监督学习⽅法，在图像分类（如⼈脸识别）上应⽤⾮常⼴泛。⽣成对抗⽹络（GAN）是⼀种⽆监督学习⽅法，经常被⽤来做图像⽣成（如深度卷积对抗⽣成⽹络(DCGAN)可⽤于⽣成卡通图像）。